Data Mining Techniken in Theorie und Praxis

Grundlagen des Data Mining

• Was sind Daten
• Datentypen
• Visualisierung von Daten
• Typische Fehler in der Statistik
• Kovarianz und Korrelation

Statistik Grundlagen

• Typische Fehler in der Statistik
• Der zentrale Grenzwertsatz
• Überblick und Beispiele für Hypothesentests

Clustering-Verfahren

• Dendrogramme
• k-means Algorithmus
• k-nearest-neighbor Algorithmus

Mathematische Modellierung

• Lineare und logistische Regression
• Support Vector Machine
• Entscheidungsbäume und Random Forests

Künstliche Intelligenz

• Einführung in neuronale Netze
• Anwendungen und Ausblick im Bereich künstlicher Intelligenz

In dieser 2-tägigen Schulung "Data Mining Techniken in Theorie und Praxis" lernen Sie die Grundlagen des Data Mining, einschließlich Datentypen, Visualisierung, und statistischen Konzepten wie Kovarianz und Korrelation. Sie werden Hypothesentests kennenlernen und verschiedene Clustering-Verfahren anwenden, wie den k-means Algorithmus und k-nearest-neighbor Algorithmus. Zudem werden mathematische Modellierungsmethoden wie lineare und logistische Regression, Support Vector Machines und Entscheidungsbäume behandelt. Der Kurs bietet auch eine Einführung in künstliche Intelligenz und neuronale Netze sowie einen Überblick über aktuelle Anwendungen. Dieser Kurs richtet sich an Teilnehmer mit grundlegenden Kenntnissen in Statistik und Mathematik und bietet praxisnahe Übungen für den erfolgreichen Einsatz von Data Mining Techniken.

• Grundkenntnisse von Computerprogrammen und der Mathematik

Die Schulung bietet Ihnen eine ausgewogene Mischung aus Theorie und Praxis in einer erstklassigen Lernumgebung. Profitieren Sie vom direkten Austausch mit unseren projekterfahrenen Trainern und anderen Teilnehmern, um Ihren Lernerfolg zu maximieren.

• Mitarbeiter aus den Bereichen Data Science, Business Intelligence, Data Warehouse und IT
• alle, die gerne mehr über das Thema „Data Mining“ und Verfahren zur Datenauswertung lernen möchten